VAE-GAN学习记录

已于 2023-03-02 14:06:36 修改
阅读量1k 收藏 20
点赞数
分类专栏： 深度学习 GAN 文章标签： 生成对抗网络 学习 深度学习
于 2023-02-20 14:10:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_47104322/article/details/129122616
版权

一、遇到的问题以及学习目的

学习VAE-GAN主要是因为最近在做故障诊断相关的东西，之前在某篇论文里得知，使用GAN算法时，可以使用判别损失+重构损失对异常样本进行检测。然而，那篇论文《基于 LSTM － GAN 的加油时序数据异常检测》里面，关于重构损失写的不是很清楚：（下面这图就是这论文里的，这里的潜在空间指的应该就是使用了自动编码器吧？不过论文全文都没有提到自动编码器？？？，不是很理解。。。读懂这篇论文的同学可以解答一下吗？）
在这里插入图片描述

而且下面这段话， 关于随机抽取一个集合，然后计算对应映射，这个流程总感觉在哪个博客看到过，但我找了半天也没找到是哪篇博客来着。。。。
在这里插入图片描述
更新 ：3.2日，找到了，关于异常检测方面，例如这篇论文：基于CGAN-LSTM的无监督网络异常流量检测算法，使用CGAN-LSTM进行训练，并使用判别误差和重构误差故障诊断。

在这里插入图片描述

二、码住一些有用的博客

关于代码实现，在这篇博客里面，一个作者给了jupyter的VAE-GAN代码，使用自己的jupyter把代码导出成python之后，稍微修改一下，就可以运行了。具体的代码地址在这儿。

（1）文献阅读·9-VAE-GAN
（2）知乎-BicycleGan论文和代码分析，里面有CVAE-GAN、CLR-GAN解析及代码
（3）这篇博客有讲VAE、GAN、CGAN、DCGAN的原理，还有对MNIST数据集的代码，十分清晰

三、自己代码实现

对于重构损失部分，我想要用这个来判断自己生成的纯sin函数，以及加上了高斯噪声的sin函数，进行故障诊断，目前仍然在做。。。。

更新： 2/26 已做完对sin数据的识别，这个代码主要是通过手动调节loss阈值来做分类的。
当加入的高斯噪声比较小的时候，识别不太出来的。如果自己用生成模型生成的样本噪声比较大的话，都会被认定为正常样本。（上面是对正常数据识别，下面是对带高斯噪声的数据进行识别）
在这里插入图片描述

在这里插入图片描述

河马小白
关注
  • 0
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
GAN（二）:VAE-GAN，BiGAN
shanlepu6038的博客
11-22 1万+
一、VAE-GAN简介 下图展示了VAE-GAN的大体框架。 所谓“人如其名”，在给gan命名的时候也是如此。VAE-GAN就是VAE和GAN的结合体。 VAE：包含encoder和decoder两部分。 encoder的作用是编码，也就是将输入的图片image1转换成向量vector decoder的作用是解码，也就是将向量vector转换成图片image2 其中，image1和image2要...
深度学习《VAE-GAN》
热门推荐
qq_29367075的博客
12-08 1万+
VAE-GAN如下图所示，也就是VAE+GAN的组合。 我们知道VAE是由一个编码器一个解码器组成，编码器可以将数据映射到一个低维的空间分布code c，而解码器可以将这个分布还原回原始数据，因此decoder是很像GAN中的generateor，如果再后面拼接上一个判别器D，这样的话，前两个模块就是VAE，后俩模块就是GAN。 训练的时候，decoder输出的x’要和原始的x尽可能接近（L1或L2距离），x’和真实数据x经过D需要判别出是是否是真实的图片，训练结束后，我们就能直接取出GAN的部分做生成使
生成模型经典算法-VAE&GAN（含Python源码例程）
Moresweet 猫甜
05-03 3335
深度学习是一种人工智能的技术，其最大的特点是能够对复杂的数据进行分析和处理。在深度学习中，生成模型和判别模型是两个重要的概念，它们可以帮助我们更好地理解深度学习的工作原理并实现不同的任务。生成模型和判别模型的区别在于，生成模型是通过学习输入数据的联合分布来进行预测和生成新的数据，而判别模型则是通过学习输入数据与输出标签之间的关系来进行分类和识别。具体来说，生成模型主要用于生成新的数据样本，例如图像、语音、文本等。其基本思想是通过学习输入数据的联合分布，然后从这个分布中采样来生成新的数据。
图像生成：变分自编码器（VAE）和生成式对抗网络（GAN）
weixin_42194879的博客
11-19 4144
（本文由《Python深度学习》整理） 图像生成的关键思想是找到一个低维的表示潜在空间（latent space），其中任意点都可以被映射为一张逼真的图像，这种映射模块叫生成器（generator，对于GAN）或解码器（decoder，对于VAE）。 VAE和GAN各自的优缺点： VAE适合学习具有良好结构的潜在空间（连续性、低维度）； GAN生成的图像逼真，但潜在空间可能没有良好结构。 1. 变...
54_pytorch GAN(生成对抗网络)、Gan代码示例、WGAN代码示例
涂作权的博客
03-06 1381
1.54.GAN(生成对抗网络) 1.54.1.什么是GAN 2014 年，Ian Goodfellow 和他在蒙特利尔大学的同事发表了一篇震撼学界的论文。没错，我说的就是《Generative Adversarial Nets》，这标志着生成对抗网络（GAN）的诞生，而这是通过对计算图和博弈论的创新性结合。他们的研究展示，给定充分的建模能力，两个博弈模型能够通过简单的反向传播（backpropagation）来协同训练。 这两个模型的角色定位十分鲜明。给定真实数据集R，G是生成器（generator）,它
GAN-and-VAE:分别为CIFAR-10和MNIST任务实施GAN和VAE
04-03
总结来说，"GAN-and-VAE:分别为CIFAR-10和MNIST任务实施GAN和VAE"项目旨在通过对比和应用两种不同的生成模型，深入理解和评估它们在图像生成任务上的性能。借助Jupyter Notebook，我们可以清晰地看到整个实现过程，...
Pytorch、NLP学习笔记
最新发布
03-01
自动生成文本是NLP的一个热门领域，可以使用变分自编码器（VAE）、生成对抗网络（GAN）等模型。PyTorch社区提供了许多相关的库和示例。 6.2 预训练模型 预训练模型如BERT、RoBERTa已经在大规模语料上进行了预训练，...
先进的机器学习-笔记本
02-04
8. **深度学习模型**: 包括卷积神经网络（CNN）用于图像识别，循环神经网络（RNN）和长短期记忆网络（LSTM）用于序列数据，以及自编码器（AE）、变分自编码器（VAE）和生成对抗网络（GAN）用于无监督学习和数据生成...
音频深度学习的听课笔记
04-17
《音频深度学习的听课笔记》主要涵盖了音频处理与深度学习技术的融合，是现代智能音频应用的核心。在当今数字化时代，音频数据的处理和分析变得越来越重要，深度学习以其强大的模式识别能力，为音频领域的研究提供了...
基于CGAN-LSTM的无监督网络异常流量检测算法.docx
06-19
基于CGAN-LSTM的无监督网络异常流量检测算法.docx
VAE_GAN_PyTorch:生成模型的集合（VAE，CVAE，GAN，DCGAN）
05-14
VAE_GAN_PyTorch 生成模型的集合（VAE，CVAE，GAN，DCGAN）
hp-vae-gan:HP-VAE-GAN的官方存储库
05-24
分层补丁VAE-GAN 论文“ Herarchical Patch VAE-GAN：从单个样本生成各种视频”的官方资料库（NeurIPS 2020） | | 真实视频 假影片 环境设定 使用env.sh命令来设置正确的conda环境 合作实验室 训练和提取样本以生成图像的示例。 使用*_video(s).py文件可以轻松地修改视频生成。 培训视频 要训​​练单个视频，请使用以下命令，例如： CUDA_VISIBLE_DEVICES=0 python train_video.py --video-path data/vids/air_balloons.mp4 --vae-levels 3 --checkname myvideotest --visualize 常见的培训选项： # Networks Hyper Parameters --nfc
MATLAB的var模型代码-VAE-GAN-CelebA:与论文相关的代码和笔记本：VanRullen＆Reddy撰写的“使用深度生成神经网
05-23
MATLAB的var模型代码VAE-GAN-CelebA 与本文相关的Python代码：VanRullen＆Reddy（2019） 该文件夹包含： 一个（在CelebA数据集上约15个时期= 50,000个批次的64张图像） VAE-GAN人脸分解/重建模型的一组.py函数，尤其是： VAEGAN_image2latent.py =>从任何图像文件转到相应的1024D潜在编码（保存为Matlab .mat文件） VAEGAN_latent2image.py =>从1024D潜在编码（Matlab .mat文件）变为对应的图像 （可选）（4个主题，每个主题在扫描仪中看到> 8,000个面部）和一些Matlab分析代码 用法示例： VAEGAN_image2latent.py -i example.jpg #this will create example_z.mat with the 1024 latent vars VAEGAN_latent2image.py -i example_z.mat #this will generate example_z_g.jpg (and also
TensorFlow-VAE-GAN-DRAW：使用TensorFlow（深度卷积生成对抗网络（DCGAN），变分自编码器（VAE）和DRAW：用于图像生成的递归神经网络）实施的生成方法的集合
02-06
TF-VAE-GAN-DRAW ，和TensorFlow实现。 跑 VAE / GAN： python main.py --working_directory /tmp/gan --model vae 画： python main-draw.py --working_directory /tmp/gan 深度卷积生成对抗网络在使用默认参数的10个星期后产生了不错的结果。 ＃＃＃去做： 更复杂的数据。 添加 用空间变压器层替换当前的注意力机制
概率图-详细笔记.zip
06-22
在深度学习中，概率图模型被用于构建复杂的神经网络架构，例如变分自编码器（Variational Autoencoder, VAE）和生成对抗网络（Generative Adversarial Networks, GAN）。这些模型利用概率图来描述数据的生成过程，...
GAN 与变分自动编码器 (VAE) 的对比与应用
禅与计算机程序设计艺术
12-23 277
GAN（Generative Adversarial Networks，生成对抗网络）和VAE（Variational Autoencoders，变分自动编码器）都是深度学习领域中的重要生成模型，它们在图像生成、图像补充、图像纠错等方面都有着广泛的应用。然而，GAN和VAE在设计理念、算法原理以及应用场景等方面都有着很大的不同。在本文中，我们将从以下几个方面进行详细阐述：GAN和VAE都是在2014年左右出现的，GAN由Goodfellow等人提出，而VAE则是由Kingma和Welling提出。这两种模型
【轩说AI】基于GAN模型的异常检测
m0_57089390的博客
02-28 2327
但如果换了AE，也不好，VAE起码对没见过的图片能够重构，虽然“没有修复”，但是AE的隐空间有很大的空缺部分，连重构都做不到，会非常模糊。目的在于：原本的Z的各个维度的取值对X的影响是不确定的，而加上classifier后，Generator不仅要保证X尽可能符合Pdata，而且需要从X中提取出信息“C”，也就是c必须对x的取值有着明确的influence，并且是每个维度都需要有influence，比如c[0]代表显示内容，c[1]表示角度，c[2]表示明暗，等等。（最佳修补指的是，仅对异常部分进行修复）
李宏毅2021机器学习深度学习笔记PPT作业
09-05
main"这个文件夹中，我们可以预期找到关于人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、自编码器（Autoencoder）、生成对抗网络（GAN）和变分自编码器（VAE）等主题的...
VAE-GAN故障诊断
10-26
但是，可以根据引用中提到的迁移学习方法，将已有的轴承故障数据用于训练一个诊断模型，然后将该模型应用于VAE-GAN故障诊断中。同时，引用提到了智能故障诊断的最新研究进展，可以作为参考。总之，VAE-GAN故障诊断是...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

河马小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值